Warum 80+ Sprachen schwieriger sind, als es klingt

In einem kürzlichen Kundengespräch wurde mir gesagt: „Übersetzung ist heutzutage nur noch ein Commodity-Feature.“ Rückblickend auf das, was damals wie eine Provokation wirkte, fühlt es sich tatsächlich wahr an – Übersetzungsoptionen tauchen in vielen Anwendungen und Diensten auf. Aber ebenso wahr ist, dass die Übersetzungsqualität nicht über alle Sprachen hinweg gleich ist!

Das liegt meist nicht daran, dass manche Sprachen von Natur aus „schwerer" wären. Der Grund ist, dass KI-Modelle aus Daten lernen und der weit überwiegende Teil der nutzbaren Sprach- und Textdaten auf wenige Dutzend Sprachen entfällt, vieles davon gepaart mit Englisch. 80+ Sprachen gut zu unterstützen heißt: mit Datenmangel, Schriftvielfalt, Dialektvariation und Code-Switching umzugehen, und das bei Telefon-Audioqualität.

Als wir 80+ Sprachen ankündigten, war die häufigste (und beste) skeptische Frage: Sind die alle gleich gut? Ehrliche Antwort: Das schafft heute kein System der Welt. Hier erfahren Sie, warum, und wie wir damit umgehen.

Die Datenpyramide: ressourcenreiche und ressourcenarme Sprachen

Englisch, Mandarin, Spanisch und eine Handvoll anderer sitzen auf Bergen von transkribierter Sprache und parallelem Text. Eine Stufe darunter haben Sprachen wie Polnisch oder Thai solide, aber dünnere Ressourcen. Weiter unten befinden sich die sogenannten Niedrigressourcen-Sprachen: Amharisch, Hausa, Khmer und andere, die von zig Millionen Menschen gesprochen werden, aber mit erstaunlich wenig maschinell nutzbaren Daten.

Mehrsprachige Spracherkennungs- und Übersetzungsmodelle wie Whisper und SeamlessM4T haben die Abdeckung durch Transferlernen enorm vorangetrieben: Wissen aus datenreichen Sprachen hilft datenarmen Verwandten wirklich. Aber Transfer hat Grenzen, und sie zeigen sich genau im falschen Moment: Eigennamen, Zahlen, Verneinungen.

Es geht nicht nur um Datenmenge

Das sind meine drei wichtigsten zusätzlichen Aspekte, auf die ich hinweisen möchte, wenn es um Komplexität geht:

Schriften und Orthografie: Manche Sprachen haben keine standardisierte Rechtschreibung, schreiben Vokale optional (Arabisch) oder haben keine Wortgrenzen im Text (Thai). Jede Eigenheit erschwert die Übergabe von der Erkennung zur Übersetzung.

Dialekte: „Arabisch“ auf dem Papier ist Modernes Standardarabisch. In einem Telefonat ist es Ägyptisch, Levantinisch oder Maghrebinisch, die akustisch nahezu verschiedene Sprachen sind.

Code-Switching: Echte zweisprachige Sprecher mischen Sprachen mitten im Satz („Ich hab dem landlord gesagt…“, Deutsch für „I told the landlord…“ mit einem eingestreuten englischen Wort). Einsprachige Pipelines kommen damit schlecht zurecht, und echte Anrufe sind voll davon. Viel Glück, wenn man mit Indern zu tun hat, die in großen Metropolregionen wie Mumbai leben und eine Mischung aus vielen indischen Sprachen in einer sprechen. Das echte Leben ist chaotisch, was es irgendwie herausfordernd und schön macht.

Wie eine Sprache in unser Portfolio kommt

Das eine beste Übersetzungsmodell gibt es nicht! Die meisten Modelle lernen überwiegend aus Daten, die mit Englisch gepaart sind, und auch ihre veröffentlichten Genauigkeitswerte werden meist gegen Englisch gemessen. Unsere Kundinnen und Kunden übersetzen aber nicht ins Englische. Sie übersetzen zwischen Deutsch und der Sprache der Person am anderen Ende der Leitung, und genau das messen wir.

Jede Sprache wird zweimal geprüft, immer mit Deutsch auf einer Seite. Zuerst prüfen wir technisch, mit automatisierten Benchmarks für Erkennungs- und Übersetzungsqualität zwischen Deutsch und der jeweiligen Sprache. Dafür verwenden wir Audio in Telefonqualität statt sauberer Studioaufnahmen. Danach beurteilen Muttersprachler, was Metriken nicht erfassen: ob Namen, Zahlen und Verneinungen korrekt ankommen, ob der Ton zu einem professionellen Gespräch passt und ob das Ergebnis in einem echten Anruf bestehen würde. Metriken zeigen uns, wo wir hinschauen müssen; Muttersprachler zeigen uns, ob es funktioniert.

Eine Sprache kommt nur in unser Portfolio, wenn sie alle vier Kriterien erfüllt. Wir prüfen für jede Sprache mehrere KI-Modelle. Infrage kommt ein Modell nur, wenn es unsere Qualitätsanforderungen für Deutsch und diese Sprache erfüllt und sein Anbieter DSGVO-konform arbeitet, nicht mit Ihren Gesprächen trainiert und deren Inhalte nicht speichert (Zero Data Retention). Von den Modellen, die bestehen, setzen wir das ein, das für diese Sprache am besten abgeschnitten hat. Erfüllt kein Modell alle vier Kriterien, bieten wir die Sprache nicht an, egal wie oft sie nachgefragt wird. Wenn sich Modelle verbessern oder neue erscheinen, testen wir erneut, und so kommen neue Sprachen hinzu.

Deshalb ist unsere Sprachliste kürzer, als sie sein könnte. Für Unternehmen und Behörden hat ein falsch übersetztes Datum, ein Betrag oder eine Frist echte Folgen. Jede Sprache, die wir anbieten, muss eine sein, hinter der wir stehen können.

80+ Sprachen anzukündigen ist leicht. Sie ehrlich zu unterstützen ist das eigentliche Produkt: jede einzelne gegen Deutsch zu testen, maschinell und durch Muttersprachler, und jede Sprache wegzulassen, die die Anforderungen nicht erfüllt. Das ist die Arbeit.

Sie planen einen Rollout? Vereinbaren Sie ein Erstgespräch.